【G検定・ITパス】ただの平均値より優秀？「決定係数（R²）」の超基本を1分図解！

「決定係数（R²）って、結局のところ何を表している数字なの？」
「数式が複雑そうで、1に近づくと良いということしか分からない…」
「MSEやRMSEとは何が違うの？」

回帰モデルの評価指標を学ぶ上で、必ず登場する「決定係数（R²）」。ただ「最大値が1の指標」と暗記するだけでは、試験のひねった問題や実務の壁にぶつかってしまいます。

この記事では、G検定・ITパスポート・DS検定で頻出の「決定係数（R²）」の仕組みを、2枚の図解を使って分かりやすく解説します！

1.【直感編】決定係数とは？「全員に平均値を返すだけの予測」と比べてどれだけ優秀か！
2.【理論編】決定係数の理論の核心！1に近づくほど完璧で、マイナスになることもある？
3.【試験対策】決定係数の重要キーワードまとめ
4.【まとめ】

1.【直感編】決定係数とは？「全員に平均値を返すだけの予測」と比べてどれだけ優秀か！

まずは、決定係数がどのようなモノサシなのか、直感的なイメージから掴みましょう。

機械学習における決定係数（R²）とは、一言でいうと「そのAIモデルが『全員に平均値を返すだけの予測』と比べてどれだけ優秀か」を数値化した指標です。1に近いほど完璧で、0は「ただの平均値」と同レベルであることを意味します。

【0に近い（平均値レベル）】何も学んでいない「平均値だけの予測」を0点とします。全員一律の予測しかできないため、AIを使う意味がありません。
【1に近い（プロレベル）】 AIの予測がデータに寄り添うほど1に近づきます。個別にしっかり分析し、データに完璧にフィットしている理想的な状態です。
モデル全体の「当てはまりの良さ」を直感的に評価できるスコア、それが決定係数です。

💡 【試験対策ワンポイント】 MSEやRMSEはデータの単位（万円や個数など）に依存するため、異なるデータ同士でモデルの強さを比較できません。一方、決定係数は「割合」なので、どんなデータで作ったモデルでも横並びで比較できるという大メリットがあります！

2.【理論編】決定係数の理論の核心！平均値からのズレを、AIがどれだけ減らせたか！

次に、グラフをもとに決定係数の実力を見極めましょう。

決定係数は、グラフと計算によって「平均値のミス（エラー）」をAIがどれだけ削れたかを割合で計算する仕組みになっています。そのため、状況によってはマイナスになることもあります。

【仕組み：1に近づくほど完璧】
予測が完全に一致（エラーがゼロ）したとき、決定係数は最大の「1」になります。

【注意点：見せかけの高数値に騙されるな】
データが極端に少ないと、見せかけの高数値が出やすくなる性質があるため注意が必要です。

【R² がマイナスになる（最低最悪）】
AIの予測精度が「全員に平均値を返すだけの予測（素人予測）」よりも著しく悪い場合、値は0を下回りマイナスになります。

💡 【試験対策ワンポイント】 試験では「決定係数の最大値は1である」「モデルの予測性能が平均値予測よりも悪い場合、値はマイナスになることがある」という性質が正誤問題で非常によく狙われます！

3.【試験対策】決定係数の重要キーワードまとめ

資格を肌で知る合格者の視点から、試験で狙われるポイントを整理しておきましょう。

寄与率：決定係数の別名。データの全変動のうち、モデルで説明できる割合を意味する。
最大値は1：予測精度が高く、データの本当の性質を完璧に捉えていると評価された状態。
マイナスの値もあり得る：わざわざAIを作ったのに、全員に平均値を返した方がまだマシだったという状態のときに発生する。
単位に関係なく比較可能： 0〜1の間（またはそれ以下）の範囲に収まるため、異なるタスクのモデル同士の「総合力」を比較する際に重宝される。